Journal of Geospatial Information Technology

fa پیش بینی موقعیت سه بعدی عابر پیاده با استفاده از یادگیری عمیق از روی داده های کینکت 3D Pedestrian Trajectory Prediction using Deep Learning from Kinect Data فتوگرامتری Aerial Photogrammetry پژوهشي Research پیش‌بینی مسیر حرکت عابر پیاده از موضوعات مهم در حوزه بینایی ماشین و سامانه‌های حمل‌ونقل هوشمند است، زیرا بر ایمنی و قابلیت تصمیم‌گیری سیستم‌های خودران تأثیر مستقیم دارد. اغلب رویکردهای موجود با استفاده از داده‌های دوبعدی (RGB) و شبکه‌های بازگشتی نظیرLSTM (Long Short Term Memory)  توسعه یافته‌اند، اما این روش‌ها بعد عمق را نادیده گرفته و در نتیجه برآورد فاصله میان عابران و عوارض پیرامونی به‌دقت انجام نمی‌شود. در این پژوهش، یک مدل (Three Dimension- LSTM) 3D-LSTM  معرفی می‌شود که با استفاده از داده‌های RGB-D حاصل از حسگر Kinect ثابت، پیش‌بینی موقعیت عابران پیاده را در فضای سه‌بعدی متریک انجام می‌دهد. فرآیند مدل‌سازی شامل استخراج داده‌های عمق از تصاویر استریو، نرمال‌سازی مختصات و آموزش شبکه LSTM  برای پیش‌بینی مختصات سه‌بعدی (X, Y, Z) در گام‌های آینده است. نتایج حاصل از ارزیابی بر روی مجموعه داده دانشگاه پلی‌تکنیک لوزان (EPFL) نشان می‌دهد که میانگین دقت پیش‌بینی سه‌بعدی 15/70 سانتیمتر( تقریباً معادل روش‌های دوبعدی) است، اما در عین حال اطلاعات فاصله واقعی و تعاملات فضایی را نیز در خروجی ارائه می‌دهد که برای جلوگیری از برخورد و برنامه‌ریزی مسیر بسیار حیاتی است. تحلیل‌ها حاکی از آن است که افزودن بعد سوم نه‌تنها باعث افت عملکرد نمی‌شود، بلکه منجر به بهبود قابلیت تصمیم‌گیری در شرایط واقعی می‌گردد. این روش می‌تواند مبنایی برای توسعه سیستم‌های هوشمند ناوبری، رباتیک و خودروهای خودران با درک دقیق‌تر از محیط سه‌بعدی باشد.   <div> <hr align="left" size="1" width="33%" ></div> Pedestrian trajectory prediction is a critical challenge in the fields of computer vision and intelligent transportation systems, as it directly impacts the safety and decision-making capabilities of autonomous systems. Most existing approaches rely on two-dimensional (RGB) data and recurrent neural networks such as LSTM (Long Short Term Memory), which neglect the depth dimension and therefore fail to accurately estimate distances between pedestrians and surrounding objects. In this study, we propose a 3D-LSTM (Three Dimension LSTM) model that utilizes RGB-D data obtained from a fixed Kinect sensor to predict pedestrian positions in metric three-dimensional space. The proposed framework includes depth extraction from stereo images, coordinate normalization, and LSTM-based sequence modeling to forecast future pedestrian positions in the (X, Y, Z) coordinates. Experimental evaluations conducted on the École Polytechnique Fédérale de Lausanne (EPFL) dataset demonstrate that the 3D prediction accuracy (average RMSE: 15.7 cm) is comparable to conventional two-dimensional methods while additionally providing real-world distance and spatial interaction information that is crucial for collision avoidance and motion planning. The results indicate that incorporating the third dimension does not degrade performance; instead, it enhances the ability of intelligent systems to make safer and more informed decisions in dynamic environments. This approach lays the groundwork for advanced navigation and autonomous driving systems with enhanced three-dimensional situational awareness.   پیش بینی موقعیت سه بعدی, شبکه های حافظه کوتاه و بلند مدت , عابر پیاده, یادگیری Pedestrian Trajectory, Trajectory prediction, deep learning, LSTM Network 1 17 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-976-1&slc_lang=fa&sid=1 Akbar Jafari اکبر جعفری akbar.jafari@tabrizu.ac.ir 100319475328460010502 100319475328460010502 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Ali Hosseininaveh علی حسینی نوه hosseininaveh@kntu.ac.ir 100319475328460010503 100319475328460010503 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Mojtaba Mahmoodian مجتبی محمودیان mojtaba.mahmoodian@rmit.edu.au 100319475328460010504 100319475328460010504 No RMIT University دانشگاه RMIT